/ Модель

Характеристики

Контекст
512 токенов
Параметры
20,3 млн
Лицензия
Apache 2.0
Архитектура
electra · dense
Опубликована
11 мар 2023

electra-hongkongese-small-hkt-ws

Разметка токеновТекст → label3 профессии

Небольшая модель ELECTRA для сегментации слов в кантонском и стандартном китайском тексте из Гонконга.

703скачиваний за 30 дней0лайковвеса обновлены11 мар 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

toastynews разработала небольшую модель ELECTRA для сегментации слов в тексте. Модель дообучена на базе toastynews/electra-hongkongese-small-discriminator на корпусах HKCanCor, CityU и AS с BI-разметкой. Вариант hkt обучен на текстах из Гонконга и Тайваня; в этой линейке также есть варианты hk и модели другого размера.

Модель предназначена для сегментации гонконгского кантонского и стандартного китайского текста из Гонконга. Для применения автор рекомендует библиотеку CKIP Transformers. Размер модели — 20,3 млн параметров, максимальный контекст — 512 токенов; доступны форматы PyTorch и TensorFlow.

Модель хуже работает с текстами из других регионов и с английским языком. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • сегментация слов в гонконгском кантонском тексте
  • сегментация стандартного китайского текста из Гонконга
  • подготовка гонконгских китайских текстов для языкового анализа

Ограничения

Качество ниже на текстах из других регионов и на английском языке.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

electra-hongkongese-small-hkt-ws

This model is a fine-tuned version of toastynews/electra-hongkongese-small-discriminator on HKCanCor, CityU and AS for word segmentation.

Model description

Performs word segmentation on text from Hong Kong. There are two versions; hk trained with only text from Hong Kong, and hkt trained with text from Hong Kong and Taiwan. Each version have base and small model sizes.

Intended uses & limitations

Trained to handle both Hongkongese/Cantonese and Standard Chinese from Hong Kong. Text from other places and English do not work as well. The easiest way is to use with the CKIP Transformers libary.

Training and evaluation data

HKCanCor, CityU and AS are converted to BI-encoded word segmentation dataset in Hugging Face format using code from finetune-ckip-transformers.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Training results

datasettoken_ftoken_ptoken_r
ud yue_hk0.93890.94290.9350
ud zh_hk0.93140.93980.9231
hkcancor0.98070.97980.9816
cityu0.97120.97050.9718
as0.96440.96110.9678

Was trained on hkcancor. Reported for reference only.

Framework versions

  • Transformers 4.27.0.dev0
  • Pytorch 1.10.0
  • Datasets 2.10.1
  • Tokenizers 0.13.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ElectraForTokenClassification
Ревизия весов
2d414e3

0 моделей